Schulungsübersicht
Einführung
- Überblick über AWS QuickSight
- Was ist AWS und QuickSight?
Erste Schritte mit AWS QuickSight
- Erstellen eines AWS- und QuickSight-Kontos
- Verstehen des QuickSight-Workflows
- Navigieren in der QuickSight-Benutzeroberfläche
Vorbereiten von Daten in QuickSight
- Verstehen der Datenvorbereitung in QuickSight
- SPICE vs. direkte Abfrage
- Hochladen und Importieren von Daten in QuickSight
- Arbeiten mit Spalten und Feldern
- Verstehen von berechneten Feldern, Funktionen und Operatoren
- Hinzufügen von berechneten Feldern mit Strings zu unserem Projekt
- Extrahieren von Informationen aus Zeichenketten
- Verwenden von bedingten Funktionen
- Berechnete Felder mit numerischen Werten erstellen
- Hinzufügen verschiedener Filter zu einem Projekt
Analysieren und Visualisieren von Daten
- Verstehen des Unterschieds zwischen der Vorbereitung und der Analyse von Daten
- Erstellen der Datenanalyse
- Visuelle Darstellungen erstellen
- Verstehen von Dimensionen und Kennzahlen
- Hinzufügen zusätzlicher Datensätze
- Feldformatierung, Aggregation und Granularität
- Visuelle Darstellungen formatieren
- Erstellen einer Story und einer Treemap
- Filter und Tabellen verwenden
- Hinzufügen einer KPI-Ansicht
Exportieren und Freigeben von Projektdaten
- Auffrischung und Zeitplanauffrischung verstehen
- Exportieren von Projektdaten als .csv-Dateien
- Hinzufügen von Benutzern zu einem Konto
- Gemeinsame Nutzung von Datensätzen und Analysen
- Erstellen und Freigeben von Dashboards
Verwendung von Databases als Datenquellen
- Einrichten einer Datenbank
- Vorbereiten von Dummy-Daten
- Verbinden von QuickSight mit einer Datenbank
- Importieren von Daten in SPICE
- Importieren von Daten als Abfrage
- Importieren von berechneten Feldern und Abfragen
- Verwendung von NoSQL Datenbanken
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse und Verständnis der Datenanalyse
Zielgruppe
- Datenanalysten
- Alle, die sich für Datenanalyse und -visualisierung interessieren
Erfahrungsberichte (5)
Deepthi hat sich sehr gut auf meine Bedürfnisse eingestellt, sie konnte erkennen, wann sie die Komplexität erhöhen und wann sie sich zurückhalten und einen strukturierteren Ansatz wählen sollte. Deepthi hat sich wirklich an mein Tempo angepasst und sichergestellt, dass ich die neuen Funktionen/Tools selbst nutzen konnte, indem sie sie mir zuerst zeigte und mich dann die Elemente selbst nachbauen ließ, was wirklich dazu beigetragen hat, die Schulung zu verankern. Ich könnte nicht zufriedener sein mit den Ergebnissen dieser Schulung und mit dem Niveau der Expertise von Deepthi!
Deepthi - Invest Northern Ireland
Kurs - IBM Cognos Analytics
Maschinelle Übersetzung
Praktische Übungen mit unseren Daten
Marcel Richard - Lang Energie AG / Osterwalder Zurich AG
Kurs - Business Intelligence and Data Analysis with Metabase
Beispiel für eine Anwendung teilen
Kurs - Alteryx for Data Analysis
Maschinelle Übersetzung
Very clearly articulated and explained
Harshit Arora - PwC South East Asia Consulting
Kurs - Alteryx for Developers
Linear regression - the algorithm to predict the trend